检索结果-内蒙古大学图书馆

烟草科技 2015年第1期48卷 82-85页

作者：李瑞丽张保林毛多斌李晓王建民郑州大学化工与能源学院郑州市科学大道100号450001 郑州轻工业学院烟草科学与工程学院郑州市科学大道166号450001

为探索用近红外光谱快速检测烤烟填充值的可行性,选取有代表性的94个河南烤烟样品,采用偏最小二乘法(Partial Least Square,PLS)将近红外光谱数据与其填充值的实测值进行拟合,建立填充值预测模型,考察了光谱预处理方法和光谱范围对建模... 详细信息

为探索用近红外光谱快速检测烤烟填充值的可行性,选取有代表性的94个河南烤烟样品,采用偏最小二乘法(Partial Least Square,PLS)将近红外光谱数据与其填充值的实测值进行拟合,建立填充值预测模型,考察了光谱预处理方法和光谱范围对建模效果的影响,并进行了内部交叉验证、外部验证和模型精度检验。结果表明:1标准正态变量变换(Standard normal variate,SNV)结合一阶导数法的光谱预处理方法和全谱范围适合构建填充值的近红外模型;2模型的决定系数达0.960,均方根校正误差(Root mean square error of calibration,RMSEC)为0.094,内部交叉验证和外部验证均表明模型预测值和实测值呈极显著相关;3模型精密度检验的相对标准偏差<3%。填充值近红外预测模型的重复性好,准确性较高,适于批量烤烟填充值的快速检测。

关键词：烤烟填充值近红外光谱偏最小二乘法标准正态变量变换一阶导数法

来源：评论

学校读者我要写书评

暂无评论

基于正交线性判别分析和电子鼻技术的食醋分类

引用

食品与发酵工业 2020年第6期46卷 263-268页

作者：武斌王大智嵇港黄大鹏武小红陈开兵贾红雯滁州职业技术学院信息工程系安徽滁州239000 江苏大学京江学院江苏镇江212013 江苏大学电气信息工程学院江苏镇江212013

为了实现食醋品种的准确分类,探索应用电子鼻技术和两种特征提取方法进行食醋的检测和分类。先用自制电子鼻系统检测5个品种食醋的电子鼻信号,接着用标准正态变量变换进行数据预处理,然后分别用主成分分析(principal component analysis... 详细信息

为了实现食醋品种的准确分类,探索应用电子鼻技术和两种特征提取方法进行食醋的检测和分类。先用自制电子鼻系统检测5个品种食醋的电子鼻信号,接着用标准正态变量变换进行数据预处理,然后分别用主成分分析(principal component analysis,PCA)+线性判别分析(linear discriminant analysis,LDA)和正交线性判别分析(orthogonal linear discriminant analysis,OLDA)对食醋电子鼻信号进行降维与特征提取,最后用最近邻分类器进行分类。实验表明,PCA+LDA的分类准确率最高达到90.32%,而OLDA的分类准确率最高达到91.52%。另外,PCA+LDA需要2次特征提取而OLDA只要1次。因此,OLDA在特征提取方面要优于PCA+LDA,基于OLDA和电子鼻技术的食醋品种分类方法是切实可行的。

关键词：食醋电子鼻标准正态变量变换正交线性判别分析线性判别分析

来源：评论

学校读者我要写书评

暂无评论

基于近红外高光谱成像技术的地方鸡品种鉴别

引用

现代食品科技 2024年第5期40卷 247-254页

作者：金航峰于昌昊范锴萍吴健清颜菲菲汪涵浙江农林大学动物科技学院、动物医学院浙江杭州311300 浙江省畜禽绿色生态健康养殖应用技术研究重点实验室浙江杭州311300

我国拥有丰富的地方鸡遗传资源,不同品种的地方鸡在营养、口感和风味上表现出显著区别。该研究利用近红外高光谱成像技术研究地方鸡品种的鉴别方法。以龙游麻鸡、江山乌骨鸡和丝羽乌骨鸡为研究对象,采集3个品种鸡肉在900~1700 nm波段的... 详细信息

我国拥有丰富的地方鸡遗传资源,不同品种的地方鸡在营养、口感和风味上表现出显著区别。该研究利用近红外高光谱成像技术研究地方鸡品种的鉴别方法。以龙游麻鸡、江山乌骨鸡和丝羽乌骨鸡为研究对象,采集3个品种鸡肉在900~1700 nm波段的高光谱图像并提取光谱数据。对光谱数据进行预处理后选取特征波长,建立PLS和SVM鉴别模型。结果显示,Detrending-SNV为最优预处理方法,ACCc、ACCp和ACCt分别为94.17%、95%和94.59%。基于MCUVE-SPA算法选取的16个特征波长建立的PLS鉴别模型为最优模型,ACCc、ACCp和ACCt分别为95.83%、100%和97.92%,与全光谱模型相比分别提高了1.76%、5.26%和3.52%。研究结果表明,利用近红外高光谱成像技术鉴别地方鸡品种具有一定的可行性。

关键词：地方鸡近红外高光谱去趋势标准正态变量变换连续投影算法支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于激光诱导击穿光谱法建立预测精炼钢渣中硅、钙、镁、铝含量模型的优化

引用

理化检验（化学分册） 2020年第11期56卷 1178-1181页

作者：刘艳丽河钢集团钢研总院石家庄050000

针对目前冶金领域中尚无激光诱导击穿光谱法(LIBS)进行精炼钢渣成分快速分析的工业成型机现状,采用自主研发LIBS试验系统和分析软件建立了用于预测精炼钢渣中硅、钙、镁和铝含量的模型。试验先采用传统标准曲线法对结果进行预测,得到这... 详细信息

针对目前冶金领域中尚无激光诱导击穿光谱法(LIBS)进行精炼钢渣成分快速分析的工业成型机现状,采用自主研发LIBS试验系统和分析软件建立了用于预测精炼钢渣中硅、钙、镁和铝含量的模型。试验先采用传统标准曲线法对结果进行预测,得到这4种元素的决定系数(R2)仅为0.8331,0.8294,0.8032,0.6913,预测值的相对误差绝对值为9.3%~26%。为了优化试验结果,试验采用化学计量学法中的标准正态变量变换(SNV)和偏最小二乘法(PLS)建立模型,预测结果的准确度有了明显提升。结果表明:在最优潜变量为15的条件下,铝元素的光谱数据经SNV预处理后,建立的PLS模型的预测效果较好,预测值的平均相对误差绝对值为6.0%,R2为0.9502;硅、钙、镁的PLS模型预测效果较好,不需再进行SNV预处理,其预测值的相对误差绝对值为8.1%,1.5%,8.4%,R2分别为0.9281,0.9103,0.9018,基本满足钢渣快速检测工作需求。

关键词：激光诱导击穿光谱标准正态变量变换偏最小二乘法预测模型硅钙镁铝精炼钢渣

来源：评论

学校读者我要写书评

暂无评论

基于高光谱技术的玉米霉变识别方法研究

基于高光谱技术的玉米霉变识别方法研究

引用

作者：李泽东东北农业大学

学位级别：硕士

我国是玉米生产和销售的大国,玉米是我国的重要粮食作物,保证玉米的质量尤为重要,玉米的安全与食品安全问题及众多产业发展相关。玉米本富含膳食纤维、多种维生素及微量元素等营养成分,不仅是重要的商品粮,同时也是畜禽饲料配方中主要... 详细信息

我国是玉米生产和销售的大国,玉米是我国的重要粮食作物,保证玉米的质量尤为重要,玉米的安全与食品安全问题及众多产业发展相关。玉米本富含膳食纤维、多种维生素及微量元素等营养成分,不仅是重要的商品粮,同时也是畜禽饲料配方中主要原料。玉米作为重要的食品材料和化工原料,在储蓄和运输过程中非常容易发生霉变,玉米发生霉变后会产生大量霉菌毒素,并使周围健康的玉米也发生霉变,畜禽长期食用这种霉变玉米后,会影响畜禽的生长,并且霉菌毒素会在畜禽体内器官和肌肉组织上富集,人类食用此类畜禽,会危害人类的身体健康。传统方法和化学检测方法费时费力并且会破坏玉米样本,高光谱成像技术作为一种新兴的、快速、无损的检测技术,将其应用到玉米霉变检测当中,可以很好的识别出早期霉变的玉米。高光谱影像数据预处理方法的研究。首先利用恒温箱对玉米进行发霉实验,然后利用高光谱成像技术采集霉变玉米高光谱图像。对高光谱影像数据分别采用多项式卷积平滑法、多元散射校正法、标准正态变量变换法三种预处理方法进行预处理,利用预处理结果建立分类模型。对三种预处理方法的分类模型精度进行分析比较,得出玉米霉变早期高光谱影像分类识别检测模型的最优数据预处理方法是标准正态变量变换法。高光谱影像数据特征选取方法的研究。首先对原始高光谱影像数据采用标准正态变量变换法进行预处理,然后高光谱影像数据分别采用竞争性自适应重加权算法、连续投影法、无信息变量消除法三种特征变量选取方法进行特征变量的选取,最后建立BP神经网络分类模型。竞争性自适应重加权算法筛选出21个特征波长变量;连续投影法选出7个特征波长变量;无信息变量消除法选取出218个特征波长变量,分别分布于400～423.7 nm、536.3～548.1 nm、554.8～568.1 nm、679.3～762.2 nm、825.9～932.6 nm及943.7～981.5 nm范围内。通过对三种特征波长变量选取方法进行比较,得出玉米霉变早期高光谱影像的最优特征变量选取方法是无信息变量消除法。高光谱影像数据分类模型方法的研究。首先对高光谱影像数据采用标准正态变量变换法进行预处理,无信息变量消除法进行特征变量选取。然后采用高光谱影像数据的光谱反射率光谱构建ACO-BP神经网络模型,与偏最小二乘回归算法、K邻近算法、支持向量机和BP神经网络四种分类模型进行对比。通过与四种分类模型的总体分类精度及平均分类精度进行对比,得出ACO-BP神经网络模型是高光谱影像数据的最优分类模型。验证集总体分类精度达到94.4%,所有样本的平均分类精度不低于92%,且轻微霉变玉米的分类精度最高达到96%。综上所述,本文得出霉变玉米高光谱影像的最优早期检测分类识别模型为标准正态变量变换法+无信息变量消除法+蚁群优化算法+BP神经网络。本文可以为存储玉米过程中发现并及时清理产生霉菌的玉米做理论指导,防止存储中的玉米大量发生霉变。

关键词：霉变玉米标准正态变量变换无信息变量消除 ACO-BP神经网络

来源：评论

学校读者我要写书评

暂无评论

近红外光谱快速预测田间马铃薯植叶含水率

近红外光谱快速预测田间马铃薯植叶含水率

引用

作者：于旭峰云南师范大学

学位级别：硕士

随着现代农业机械化的发展,大面积集中种植的情况越来越趋于主流,但也导致了对植株生长状况的监管不能够及时的全面覆盖。所以对现代农业的要求越来越趋向于精准化、高效化。在农作物灌溉方面,现代农业要求快速、精确的获得植株的含水情... 详细信息

随着现代农业机械化的发展,大面积集中种植的情况越来越趋于主流,但也导致了对植株生长状况的监管不能够及时的全面覆盖。所以对现代农业的要求越来越趋向于精准化、高效化。在农作物灌溉方面,现代农业要求快速、精确的获得植株的含水情况,以及不同区域植株的含水信息,为区域精准灌溉提供有力帮助,在农业细致化管理农作物方面,还可以节省人力,节约水资源。作为全球主要农作物之一的马铃薯,其在我国的生产规模居于世界首位,在世界粮食安全保障方面起到有力作用。在马铃薯植株的生长发育过程中,水分起着至关重要的作用,叶片的细胞活性与叶片的含水量紧密相关,而细胞活性又影响着光合作用的速率,因此水分的缺失会影响马铃薯的生长、产量和品质。所以寻找一种快速、简便、准确的检测叶片含水率的方法成为人们关注的焦点。高光谱成像技术的出现为植株水分检测提供了新的测量方法,近红外光谱能够提取分子中含氢基团振动的合频与各级倍频的吸收信息,表达出含氢基团的数据特性。该技术具有快速、准确、简洁、无损、无接触等优势,近年来被广泛用于农产品检测领域。因此,可以利用近红外光谱预测农产品的水分。鉴于此,论文基于高光谱成像技术对马铃薯叶片含水率预测展开研究。首先使用高光谱成像系统采集900～2100nm波段范围内110片新鲜马铃薯叶片的光谱反射率信息。由于光谱数据处理上存在噪声影响严重,数据冗余大等缺点,为了实现现代农业要求的精准化、高效化,论文有必要对数据进行去噪和特征波段提取。去噪方面,采用S.G（Savitzky-golay）平滑、多元散射校正（MSC）、标准正态变量变换（SNV）和均值中心化四种预处理方法。用四种方法分别处理原始光谱数据后,建立偏最小二乘回归（PLSR）模型、BP神经网络模型和最小二乘支持向量机（LS-SVM）模型。然后根据预测结果,筛选出预测效果最好的预处理方法和建模方法。结果表明,建立的模型识别率均超过70%,其中,经多元散射校正预处理建立的BP神经网络模型,达到了最好的预测效果,预测集决定系数R2为0.9791,均方根误差RMSE为0.3723。特征波段提取方面,采用回归系数法（Regression Coefficients,RC）、主成分分析法（Principal Components Analysis,PCA）、一阶导数法三种特征波长提取方法。用三种方法分别处理原始光谱数据后,分别建立三种预测模型模型。最终筛选出预测效果最好的特征波长提取方法和建模方法。结果表明,建立的模型识别率均超过60%,其中,经回归系数法提取的特征波长建立的BP神经网络模型,达到了最好的预测效果,预测集决定系数R2为0.9698,均方根误差RMSE为0.3177。最后,考虑到农业应用中数据采集是在室外田间,本试验在以上室内测试结果较为完整的基础上,将数据采集地点移至室外,并且基于多元散射校正预处理方法,回归系数法特征波长提取方法,BP神经网络建模方法建立了完整的室外马铃薯叶片含水率预测模型。结果表明,模型预测效果良好,预测集决定系数R2为0.6352,均方根误差RMSE为1.2269,可以实现基本的室外预测,为现代农业机械自动化提供了思路和方法。

关键词：高光谱成像技术多元散射校正标准正态变量变换偏最小二乘回归 BP神经网络最小二乘支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于衍生光谱特征的冬小麦叶绿素含量估算

基于衍生光谱特征的冬小麦叶绿素含量估算

引用

作者：杨伟博南京信息工程大学

学位级别：硕士

叶绿素含量是反映农作物光合能力和生长状态的重要指标,被广泛用于评估农作物的健康生长状况。现有研究侧重于使用光谱指数和“三边”参数等遥感手段进行冬小麦叶绿素含量估算,然而从衍生光谱角度估算叶绿素含量还有待深入研究。本研究... 详细信息

叶绿素含量是反映农作物光合能力和生长状态的重要指标,被广泛用于评估农作物的健康生长状况。现有研究侧重于使用光谱指数和“三边”参数等遥感手段进行冬小麦叶绿素含量估算,然而从衍生光谱角度估算叶绿素含量还有待深入研究。本研究在2011-2014年的4个生育期和3种施氮水平下进行冬小麦大田试验,通过对高光谱原始反射率（OR）进行衍生变换,获取一阶导数反射率（FDR）、标准正态变量（SNV）、去趋势变换（DT）和连续统去除变换（CR）光谱,共开展了两部分研究。第一部分对5种光谱与叶绿素含量的敏感性进行分析,并确定了最敏感波长。第二部分基于递归特征消除法定量筛选5种单一光谱的最优特征集合,输入到机器学习模型中,数据集划分方式为“留一法”,探索反演叶绿素含量的最佳模型和最优衍生光谱特征。主要研究结果如下: （1）衍生光谱对叶绿素含量敏感性总体上优于原始光谱。CR光谱在可见光波段对叶绿素含量的敏感性最为稳定;FDR光谱有效突出与叶绿素含量的高敏感性波段;SNV光谱在700nm波段左右与叶绿素含量的最强相关性优于其他光谱;DT光谱在近红外波段对叶绿素含量的敏感性最为稳定。（2）不同时期与叶绿素含量相关性最高的波长均来自衍生光谱。全生育期、拔节期、灌浆期和N1施氮水平下相关性最高的分别是CR光谱的697、706、705和693nm波长;抽穗期、开花期、N2和N3施氮水平下相关性最高的分别是SNV光谱的704、701、696和698nm波长。（3）基于递归特征消除法筛选30个出现频率最高的光谱特征,FDR光谱入选波长在可见光和近红外波段数量相近,OR和SNV光谱的可见光波长入选数量较少,DT和CR光谱的入选波长主要在近红外波段。（4）本研究所构建的机器学习算法估算叶绿素含量精度受到生育期和施氮水平的影响。分别使用最优个数的5种单一光谱特征参与模型训练,不同生育期下,在拔节期预测精度最高,精度指标RMSE范围是2.158～2.956μg/cm2;不同施氮水平下,在N3时期预测精度最高,精度指标RMSE范围是2.607～2.906μg/cm2。（5）研究中输入FDR或SNV光谱特征集合反演叶绿素含量精度最高。在全生育期、拔节期、抽穗期、开花期和N3施氮水平下,SGB模型输入FDR光谱特征预测精度最高,RMSE分别为3.309、2.158、2.701、2.753和2.607μg/cm2。在灌浆期、N1和N2施氮水平下输入SNV光谱特征反演精度最高,最优模型分别为PLSR、SVR和RFR,RMSE分别为3.791、3.410和3.151μg/cm2。

关键词：叶绿素含量一阶导数反射率标准正态变量变换机器学习递归特征消除法

来源：评论

学校读者我要写书评

暂无评论

基于高光谱的套袋和不套袋苹果糖度无损预测模型研究

引用

山东农业科学 2020年第6期52卷 129-136页

作者：王风云郑纪业阮怀军袁旭林山东省农业科学院科技信息研究所山东济南250100 山东大学控制科学与工程学院山东济南250061

现市场上普遍存在套袋和不套袋两种种植模式的苹果,为了更精确地检测苹果糖度,针对这两种模式,分别探究了其糖度无损检测模型。以烟台栖霞生产基地的红富士苹果为研究对象,以苹果糖度为测试指标,对套袋和不套袋苹果分别建立了全光谱反... 详细信息

现市场上普遍存在套袋和不套袋两种种植模式的苹果,为了更精确地检测苹果糖度,针对这两种模式,分别探究了其糖度无损检测模型。以烟台栖霞生产基地的红富士苹果为研究对象,以苹果糖度为测试指标,对套袋和不套袋苹果分别建立了全光谱反向传播神经网络模型(FS-BP)、全光谱偏最小二乘模型(FSPLS)、主成分分析反向传播神经网络模型(PCA-BP)、主成分分析偏最小二乘模型(PCA-PLS)、蚁群算法反向传播神经网络模型(ACO-BP)、蚁群算法偏最小二乘模型(ACO-PLS),通过对比这6种模型的糖度预测精度找出分别适用于套袋和不套袋苹果的最优模型。结果表明,ACO-PLS无论在套袋还是不套袋苹果糖度的预测上都取得了最高的预测精度,不套袋苹果样本训练集均方根误差为0. 3489,相关系数为0. 9258,测试集均方根误差为0. 3247,相关系数为0. 9279;套袋苹果样本训练集均方根误差为0. 3833,相关系数为0. 9449,测试集均方根误差为0. 3146,相关系数为0. 9602。本研究结果为建立苹果品质分级系统提供了重要的参考价值。

关键词：高光谱苹果糖度无损预测标准正态变量变换主成分分析蚁群算法偏最小二乘回归 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

小麦近红外光谱数据预处理

引用

科学与信息化 2022年第24期 45-47页

作者：杨友丁跃武包彩银李四海甘肃中医药大学信息工程学院甘肃兰州 730000

本文目的是针对光谱数据可能存在的基线漂移、散射、噪声以及数据量纲等问题,可使用数学方法对光谱数据进行校正.方法是在Wheat kernels数据集上,使用导数法和SNV对数据进行预处理,对比预处理前后数据集上构建模型的效果.得出的结论是... 详细信息

本文目的是针对光谱数据可能存在的基线漂移、散射、噪声以及数据量纲等问题,可使用数学方法对光谱数据进行校正.方法是在Wheat kernels数据集上,使用导数法和SNV对数据进行预处理,对比预处理前后数据集上构建模型的效果.得出的结论是使用多元线性回归、偏最小二乘回归、岭回归、支持向量回归方法在预处理后的数据集上构建的模型效果明显比原始数据集上构建的模型效果好.

关键词：数据预处理小麦光谱数据基线漂移去噪导数法标准正态变量变换

来源：评论

学校读者我要写书评

暂无评论

辊压法烟草薄片在线检测模型建立与验证

引用

黑龙江造纸 2021年第4期49卷 14-18页

作者：章盛李栓李栋毛文煜伍锐湖北中烟工业有限责任公司湖北武汉430040 湖北新业烟草薄片开发有限公司湖北武汉430056 重组烟叶应用技术研究湖北省重点实验室湖北武汉430040

为建立辊压法烟草薄片化学成分的在线预测模型,采用近红外光谱检测技术(NIRS)对辊压法烟草薄片进行化学成分检测以获得实验室数据,采用标准正态变量变换(SNV)进行数据预处理,采用马氏距离(MD)剔除异常数据,采用留一验证(LOOCV)为内部交... 详细信息

为建立辊压法烟草薄片化学成分的在线预测模型,采用近红外光谱检测技术(NIRS)对辊压法烟草薄片进行化学成分检测以获得实验室数据,采用标准正态变量变换(SNV)进行数据预处理,采用马氏距离(MD)剔除异常数据,采用留一验证(LOOCV)为内部交叉验证方法,采用偏最小二乘法(PLS)进行建模,得出烟碱预测模型的决定系数(R^(2))达0.930,交叉验证标准偏差(RMSECV)为0.02,总糖预测模型的决定系数(R^(2))达0.977,交叉验证标准偏差(RMSECV)为0.16。分析表明,所建立的预测模型可应用于辊压法薄片关键化学成分的检测,其检测数据可为烟叶薄片的化学成分波动、质量分析等提供可靠的数据支撑。

关键词：辊压法烟草薄片近红外检测标准正态变量变换马氏距离偏最小二乘法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：